CellFluxRL：通过强化学习进行生物约束的虚拟细胞建模
机器学习
2026-05-22 v4 定量方法
摘要
利用生成模型构建虚拟细胞以在计算机中模拟细胞行为，正成为加速药物发现的一种有前景的范式。然而，先前基于图像的生成方法可能产生违反基本物理和生物约束的不合理细胞图像。为了解决这个问题，我们提出使用强化学习 (RL) 对虚拟细胞模型进行后训练，利用具有生物学意义的评估器作为奖励函数。我们设计了涵盖三个类别（生物功能、结构有效性和形态正确性）的七种奖励，并对最先进的 CellFlux 模型进行优化，得到了 CellFluxRL。CellFluxRL 在所有奖励指标上均持续优于 CellFlux，并通过测试时扩展进一步提升了性能。总体而言，我们的结果展示了一个通过 RL 强制执行基于物理约束的虚拟细胞建模框架，从“视觉上逼真”的生成迈向“生物学上有意义”的生成。
引用
@article{arxiv.2603.21743,
title = {CellFluxRL: Biologically-Constrained Virtual Cell Modeling via Reinforcement Learning},
author = {Dongxia Wu and Shiye Su and Yuhui Zhang and Elaine Sui and Emma Lundberg and Emily B. Fox and Serena Yeung-Levy},
journal= {arXiv preprint arXiv:2603.21743},
year = {2026}
}